智能建筑暖通空调系统的优化方法研究

1、智能建筑暖通空调系统的优化方法研究摘要：根据暖通空调非线性、时变性等特点，对空调 的温度控制进行预测分析，包括多影响因素分析与 PMW 指 标预测。 基于 RBF 模糊神经网络， 对暖通空调控制系统的控 制方法进行了优化，在反响校正的根底上实现了控制优越 性。关键词：暖通空调； RBF 模糊神经网络；控制系统；优 化由影响传热效率的因素可知，当外部环境的条件，如温 度，湿度，光照强度以及内部条件，如内部的负荷大小等关 键性变量的变化会在传热环节对传热效率造成一定的负面 影响，使系统的不必要能源损耗增加，进而使系统的效率降 低1 。影响能源的浪费的因素不仅仅在于外部和内部的物理 条件的变换，更在

2、于本身暖通空调的初期根本设计，假设本身 暖通空调的控制设计没有充分考虑到内部运行的条件变化 现象，那么在空气处理机的热交换环节处所隐藏的潜热交换 现象那么会大大增加系统的不必要能量损耗。1 温度控制预测1.1 多影响因素分析 人体的热舒适度一直以来都是作为空调房间最正确温度 设定的重要影响因素之一，其原因在于人体的热舒适度不仅 仅是一种受房间内的湿度，房间内空气的流速等多种因素影 响的结果，更在人体的热舒适度是作为最终设计目标而提出 的关键指标 2 。对于多种影响因素，文中分析如下：1空气温度。空气温度的根本定义是指室内空气的 干球温度，作为主要影响人体热舒适度的因素，空气温度主 要通过以下两

3、个方面对人体舒适度进行影响，一是影响了依 赖于空气对流和空气热辐射的人体热量的热交换过程，二是 在保证水蒸分压力值保持不变的条件下，通过空气温度的提 升，从而导致人体热量的散出降低，进而会提高人体皮肤温 度的升高。2空气流速。气流流速会影响人体的舒适性感觉， 空气流速的主要作用在于影响人体的对流散热和蒸发散热。 具体表现为空气与皮肤的接触散热过程中，人体的对流散热 受空气流速的直接影响，而人体的蒸发散热过程因空气流速 制约着空气蒸发力的原因从而受到间接影响，当空气温度高 于或低于皮肤温度时，流速的增加都会引起空气蒸发散热的 效率增加。前者是因为流速增加后会产生较高的对流换热， 人体被动受热，进

4、而提高散热效率。后者是因为当流速增加 时，直接带动散热过程，使散热效果加强，直接增强了散热 效率。3平均辐射温度。平均辐射温度的根本定义是包括 室内环境中的墙壁和设备等物体所产生的平均辐射温度。平 均辐射温度受围护结构外表温度的影响，主要作为人体处于 室内环境条件下的人体热辐射的受影响参考值，即人体热辐 射受室内环境条件影响大小的标量。4相对湿度。相对湿度对人体舒适度起间接影响的 作用，由人体生理调节常识可知，人体皮肤外表的蒸发散热 率主要受人体皮肤外表的汗液分泌速率限制影响。但是当人 体皮肤处于较为潮湿的条件下时，人体的蒸发散热将不会受 限于人体的汗液分泌速率，而主要受环境空气湿度的影响。1

5、.2 PMV 指标预测PMV 指标是一种范围指标， 具体定义为在同一室内环境 条件下的大多数一般人的人体舒适感觉，其包含了本文前部 所表达的六种因素对人体热舒适度的影响。与此相对应的是 PPD,即由于人与人之间的生理性差异存在，从而导致一部 分少数人会对该室内环境的热舒适度表示具有差异性。以 PDD 指标来代表少数人的对该热环境的不满所占的总数的 百分比。本文基于 Fnager 提出的 PMV-PDD 评价方法推导了 PMV 指标表达式，即参考热平衡方程的根底 3 。由于 PMV 指标描述人体的热舒适度，所以本文会以 PMV 作为参考量去设定房间的适宜温度。 而根据影响热舒适 度因素的其余 5

6、 个因素均具有在不同环境条件下对舒适度的 影响不同的特点，从而可以将上影响因素相互结合并包含PMV 指标来协助对房间温度设定的矫正， 具体实现过程是以 解决 PMV 指标的复杂非线性关系和影响热舒适度因素之间 的变量方程为目标的。首先检测房间内空气湿度，流动速度 等相关参数和满意的 PMV 指标。进而通过繁琐的迭代运算 求得房间最适宜温度，一般的迭代运算的计算速度慢，且需 要存放中间数据，占且用较大的储存空间。故借鉴人工神经 网络的优点，利用其强大的学习功能和联想记忆，信息并行 分布处理等功能。所以可尝试结合人工神经网络建立温度设 定的神经网络设定模型。2 控制系统的优化2.1 控制方案 首先

7、将房间的温度进行合理的设置，以降低房间内部和 外部的干扰作为考虑目标，降低其对房间温度影响，并且充 分考虑到暖通空调的非必要能源消耗的影响，以此为根底建 立适宜的暖通控制器，从而实现暖通空调系统的快速准确化 调解，从而能保证房间温度能在较短时间内回归初设的房间 最正确温度并在最正确值附近波动。由于时滞和大惯性一直是暖 通空调的特点，所以在信号传递中所出现的控制信号延迟现 象较为明显，具体表现为控制信号的调节出作用的反响时间 较长 4。结合 RBF 的模糊神经网络的暖通空调广义预测的主要 控制局部是整个神经网路的关键局部，为实现暖通空调的广 义控制，首要问题是解决能否及时的对暖通空调的输出做出

8、准确地预测，然后以前者作为后续的计算根底，建立快速化 计算处理的在线优化策略模型，并且能够得出有效的反响校 正。2.2 控制优化 暖通空调广义预测控制的在线滚动优化是一种特殊的 滚动优化，其中模型的辨识局部精度决定于系统所提供的预 测信息的准确度，优化的目标函数和选定的优化方法那么是决 定了滚动在线优化的运算速度的关键因素，考虑到了以上的 因素便可得出较为合理的控制规律，因为在线优化的计算量 较大，故在本文中利用 RBF 模糊神经网络完成广义优化计算 能够较为合理的解决问题。在每一个周期内，通过上述 RBF 模糊神经网络应用和修正方法，以前期预测的系统变量作为 初始目标函数的计算初量，结合暖通

9、空调的预测模型可以得 出对冷冻水调节阀的准确的电压变化控制，从而实现了广义 预测控制的在线滚动优化，并且能得到暖通空调的一般合理 控制规律。预测控制算法的优化基点应在滚动优化时保持与实际 系统中的优化基点一致。由于暖通空调的系统中变量较多， 其系统的干扰变量有数目较大，难以估测影响的特点，因此 在本文中要实现模型与实际完全相符的不变 RBF 模糊神经 网络预测是比拟困难的，系统模型中的空气处理单元的数值 模拟应与实际值有一定差距。因干扰的存在会使系统的区分 模型的失配现象有一定几率发生。故采用额外辅助手段来降 低或防止失配现象的发生，为了表达本文中所述的预测系统 的优越性，可采用对根底模型的线性分析修正的方法，进一 步使滚动优化具有较好的反响校正的特征。3 结语 整个暖通空调的控制系统在不确定因素的前提下能保 证良好的系统性能，文中对于暖通空调的控制方法展开了研 究，通过 RBF 模糊神经网络预测， 采用补充模型， 预测信息 等手段来弥补系统中存在的干扰影响， 结合 RBF 的模糊神经 网络的暖通空调控制模型作为暖通空调的系统和算法优化 模型，必然成为未来行业的开展中能够更好的满足客户的需 要。参考文献1 马丙场，倪国宗 .参数自调整模糊控制器在中央空调 控制系统中的应用 J. 控制理论与应用， 2003.2